함수

• 없어도 되지만, 유지보수에 큰 어려움

함수의 모습

def 함수이름(변수이름):
	반환값 = 변수이름 * 2 # 연산
	return 반환값 # 결과 반환

def func(): # 변수가 없을 수 있음
	print('출력')	# 반환값이 없을 수 있음

def dumy():
	pass # 아무것도 하기 싫으면 pass

함수를 쓰는 경우

def func(x, y): # 함수 이름 매개변수(variable) 이름을 설정
	result = x + y  # 연산을 실행
	result += x
	return result # 아래 코드는 무시됨
	result **= 2
	result /= y

# print도 함수!
print(func(1, 2)) # 함수의 반환값을 출력함
print(func(2, 3)) # 함수의 반환값을 출력함
print(func(3, 4)) # 함수의 반환값을 출력함

• 9 줄
• 수식이 잘못 됐을 때, 수정 횟수 1회

함수를 쓰지 않는 경우

x, y = 1, 2
result = x + y 
result += x
result **= 2
result /= y
print(result)
x, y = 2, 3
result = x + y 
result += x
result **= 2
result /= y
print(result)
x, y = 3, 4
result = x + y 
result += x
result **= 2
result /= y
print(result)

• 18 줄
• 수식이 잘못 됐을 때, 수정 횟수 3회

지역변수 & 전역변수

x = 10 # 전역변수
def func():
	y = 10 # 지역변수
	print(x + y)
print(y) # 오류 발생

def func():
	global x # 외부 변수를 불러옴
	x = 11
print(x) # 변경 가능

Comprehension

• 한줄 반복문

lists = []

for i in range(5):
	lists += [i ** 2]
	# 또는
	# lists.append(i ** 2)

# 한줄로
[i ** 2 in i for range(5)]

df.apply()

import pandas as pd
df = pd.read_excel('시청자미디어재단_체험형미디어교육_20221109.xlsx')
df['강좌정원수'].apply(lambda x : str(x)[-1] == '5')

---

실습

함수와 반복문

입력된 두 수의 제곱을 각각 리턴하는 함수를 만든다

nums = list(map(int, input().split()))

def pow2(i):
  return nums[i] ** 2

# list(map(pow2, range(len(nums))))

[pow2(i) for i in range(len(nums))]

두 숫자를 입력받고 첫번째는 팩토리얼 두번째는 제곱을 반환

from math import prod
nums = list(map(int, input().split()))

def pow2(i):
  return nums[i] ** 2

def factAndPow(arr):
	return [pow2(v) if i % 2 == 1 else prod(range(2, v + 1)) for i, v in enumerate(arr)]

factAndPow(nums)

재귀 함수 팩토리얼

def fact2(num):
  if num > 1:
    return fact2(num - 1) * num
  else:
    return 1

Comprehension

1 ~ 99 범위 중 짝수만 남기고 나머지는 0으로 리스트

[i if i % 2 == 0 else 0 for i in range(1, 100)]

# 짝수인 것만 추출
[i for i in range(1, 100) if i % 2 == 0]

100 ~ -100 범위 중 끝자리가 5인 리스트

list(range(95,-96,-10))

'apple', 'bird', 'cat', 'dog', 'e' 문자에서, 각 문자를 대문자로 만든 리스트

str_list = ['apple', 'bird', 'cat', 'dog', 'e']
[i.upper() for i in str_list]

실제 데이터 다루기(저번 데이터와 동일)

import pandas as pd
df = pd.read_excel('시청자미디어재단_체험형미디어교육_20221109.xlsx')
df_org = df.copy()

교육종료일자 가 각각 몇 월인지 알아보기

df['교육종료일자'].apply(lambda x: x.split('-')[1])
# 또는
pd.to_datetime(df['교육종료일자']).dt.month

데이터기준일자가 3의 배수인 날짜를 True로 수정

df['데이터기준일자'] = df['데이터기준일자'].apply(lambda row: True if int(row[-2:]) % 3 == 0 else row)
# 또는

df['데이터기준일자'] = df['데이터기준일자'].apply(lambda row :True if row.day % 3 == 0 else row)
# 또는

# 전부 동일 날짜에 수집됨
df['데이터기준일자'] = True

센터가 수도권에 위치하고, 교육대상이 “법정 성인” 이상인 강좌를 확인

• 서울특별시·인천광역시·경기도 등 서울 및 주변지역을 통칭하는 권역.서울대도시권.
• 제4조(성년) 사람은 19세로 성년에 이르게 된다.

df['센터명'].unique() # 서울, 인천, 경기도
df['교육대상구분'].unique() # 노인, 성인, 대학생

df[
    (
        df['센터명'].str.contains('서울') |
        df['센터명'].str.contains('인천') |
        df['센터명'].str.contains('경기')
    ) &
    (
        df['교육대상구분'].str.contains('노인') | 
        df['교육대상구분'].str.contains('성인') | 
        df['교육대상구분'].str.contains('대학생')
    )
]

list_target_location = ['서울시청자미디어센터', '인천시청자미디어센터', '경기시청자미디어센터']
list_education_target = ['노인', '성인', '대학생']
query_expr = '센터명 in @list_target_location and 교육대상구분 in @list_education_target' # 외부 변수를 불러옴
df.query(query_expr)

과제

원하는 요소 변경 및 저장

• 각 row 데이터에 대해 연산하기 (x+1)*2 (교육시작일자의 연도를 대상으로 함)
• 연산 결과는 ‘calc’ 열로 따로 저장하기
• 오늘 날짜로 저장

import time

df['calc'] = [(int(i[:4]) + 1) * 2 for i in df['교육시작일자'].astype(str)]

df.to_csv(f"{time.strftime('%Y%m%d')}.csv")

# 또는
df['calc'] = (df['교육시작일자'].dt.year + 1) * 2
# 또는
df['calc'] = df['교육시작일자'].apply(lambda row : (row.year + 1) * 2)

판다스 패키지를 이용한다
1. 주어진 데이터를 이용해 각 row 데이터에 대해 연산하기 (x+1)*2 (교육시작일자의 연도를 대상으로 함)
1. 
1. (오늘 날짜).csv 파일로 내보내기
1. 이 때, 반복문을 사용한 코드, 함수를 이용한 코드를 각각 작성해보자

각 요일마다 몇 개의 프로그램이 진행되는지 확인

df['운영요일'].value_counts()
# "월, 화, 수, 목, 금" 어떻게 처리할지?

# 또는
for weekday in '월 화 수 목 금 토 일'.split():
  print(weekday, df['운영요일'].str.count(weekday).sum(), end = '\t')

교육시작일자 의 11월 전반기 후반기 비교

• 교육시작일자의 11월 전반기 후반기로 나눔
• 11월 전/후반기에서 온/오프라인의 비중 변화 확인
• 11월 전/후반기에서 강좌의 연령층 변화 확인

masking = df['교육시작일자'].apply(lambda x: int(x[-2:]) > 15)
df_15 = df[-m]
df_30 = df[m]

df_15['교육방법구분'].value_counts()
df_30['교육방법구분'].value_counts()
df_15['교육대상구분'].value_counts()
df_30['교육대상구분'].value_counts()

# 또는
import numpy as np
df['반기구분'] = np.where(df["교육시작일자"].dt.day <= 15 , "전반기","후반기")
df['n'] = 1

df.pivot_table(
    index = ['교육방법구분', '교육대상구분'],
    columns = '반기구분',
    values = 'n',
    aggfunc = sum,
    fill_value = 0,
)

# 또는
df.groupby(['교육방법구분', '교육대상구분', '반기구분'])['n'].sum().unstack().fillna(0)

추가로 하고 싶은 것

# !sudo apt-get install -y fonts-nanum
# !sudo fc-cache -fv
# !rm ~/.cache/matplotlib -rf

import matplotlib.pyplot as plt
plt.rc('font', family='NanumBarunGothic')

df.pivot_table(
    index = ['교육방법구분', '교육대상구분'],
    columns = '반기구분',
    values = 'n',
    aggfunc = sum,
    fill_value = 0,
).sort_values(
    ['전반기', '후반기'],
    ascending=False
).plot.pie(
    subplots=True, 
    figsize=(24,12), 
    legend = False, 
    colormap = 'gist_ncar'
)

추가 과제

• 교육일정 기간과 강좌정원수의 상관관계 알아보기

df['교육기간'] = (df['교육종료일자'] - df['교육시작일자']).dt.days + 1
df[['교육기간', '강좌정원수']].corr()

df.plot.scatter('교육횟수', '강좌정원수')

• 상관관계를 판단을 쉽게 하기 위해서 기법
  • outlier 제거
  • binning(구간화)
  • qcut()
  • 축 단위 변경
  • Log Transform
  • Regression

---

회고

• 함수를 효과적으로 짜면, 분업 시에도 많은 도움이 될 것으로 생각됨
• 함수내에서 전역변수를 선언하는 것은 언제 사용하게 될지 모르겠음
• comprehension은 가독성을 떨어트리는 것 같지만, 경우에 따라 효과적일 것
• math의 prod 함수가 있음을 알게 됨
• 실제 회사에서는 추상적인 테스크를 줄 가능성이 있음을 알았음
• 추가로 merge나 pivot을 마음대로 사용할 수 있으면, 데이터 프레임을 조작할 때 편할 것
• 상관관계를 확인하기 위해 단순 시각화가 아닌 수치로 나타내는 방법이 있음!

---

Ref

• 함수 사용하기 코딩도장
• [Python] 변수의 유효범위 : 전역변수(Global variable) vs. 지역변수(Local variable) blog
• 수도권 한국민족문화대백과사전
• 성년 법령 민법 4조